專利名稱：醫(yī)學(xué)圖像的非線性分辨率降低方法
醫(yī)學(xué)圖像的非線性分辨率降低方法相關(guān)申請(qǐng)(僅用于美國(guó))本專利申請(qǐng)要求享有申請(qǐng)?zhí)枮?1/359,845、申請(qǐng)日為2010年6月30日美國(guó)臨時(shí)專利申請(qǐng)的權(quán)益。本專利申請(qǐng)也是申請(qǐng)?zhí)枮?3/142,282、申請(qǐng)日為2011年6月27日的美國(guó)專利申請(qǐng)的部分延續(xù)申請(qǐng)，該美國(guó)專利申請(qǐng)是PCT申請(qǐng)?zhí)枮镻CT/IL2009/001216、申請(qǐng)日為2009年12月24的PCT專利申請(qǐng)的國(guó)家階段申請(qǐng)，該P(yáng)CT申請(qǐng)要求了以下優(yōu)先權(quán)PCT申請(qǐng)?zhí)枮镻CT/IL2008/001679、申請(qǐng)日為2008年12月25的PCT專利申請(qǐng)，以及申請(qǐng)?zhí)枮?1/219,857、申請(qǐng)日為2009年6月24日的美國(guó)臨時(shí)專利申請(qǐng)。本發(fā)明的技術(shù)領(lǐng)域與
背景技術(shù)：
本發(fā)明，在它的一些具體實(shí)施方式
中，涉及一種用于處理醫(yī)學(xué)圖像的方法與系統(tǒng)，以產(chǎn)生具有降低的噪聲與其他期望的特征的圖像，更特別地，但不排除，涉及一種處理CT圖像的方法，該方法考慮到噪聲在圖像中的非均一分布和/或采用非線性濾波器來保留精細(xì)的圖像細(xì)節(jié)。文獻(xiàn)E. H. Adelson, C. H. Anderson, J. R. Bergen, P. J. Burt andJ. M. Ogden, “Pyramidmethods in image processing”，RCA Engineer, 29-6，Nov. 1984 描述了一種將一個(gè)場(chǎng)景以不同照相機(jī)焦距設(shè)置拍攝的兩個(gè)圖像融合的方法，采用了拉普拉斯金字塔圖像分解技術(shù)。文獻(xiàn) Hui Li, B. S. Manjunath, and S. K. Mitra, " Mult1-sensor image fusionusing thewavelet transform" in Proceedings of IEEE International Conference onImage Processing, 1994描述了相同區(qū)域的不同圖像的融合,采用不同類型的傳感器來獲得，該方法采用小波變換代替拉普拉斯金字塔技術(shù)。由北京大學(xué)重離子物理研究所(中國(guó)北京，郵編100871)于2001年所發(fā)表的報(bào)告Yu Lifeng, Zu Donglin, Wan Weidong與Bao Shanglian, " Mult1-Modality MedicalImageFusion Based on Wavelet Pyramid and Evaluation"描述了一種融合兩個(gè)醫(yī)學(xué)圖像的方法，這些圖像是采用不同的圖像形態(tài)特征來獲得的，例如，CT和MRI，或PET和MRI，采用小波金字塔技術(shù)。文 獻(xiàn) Hassam El-Din Moustafa and Sameh Rehan, " Applying ImageFusionTechniques for Detection of Hepatic Lesions " Proceedings of the 6thWSEASInternational Conference on Wavelet Analysis & Multirate Systems, Bucharest, Romania, October 16-18，2006, pages 41-44 比較了米用不同方法融合 CT 和 MRI 圖像的結(jié)果，這些方法包括拉普拉斯金字塔、小波變換、計(jì)算有效像素級(jí)圖像融合方法、以及基于空間頻率的多焦點(diǎn)技術(shù)。文獻(xiàn)RichardAlan Peters II, " A New Algorithm for Image Noise ReductionusingMathematical Morphology" , IEEE Trans.1mage Processing 4, 554-568(1995)描述了一種形態(tài)圖像清洗算法，當(dāng)去噪時(shí)保留薄特征。該方法通過形態(tài)大小分布而計(jì)算了在一定數(shù)量的不同場(chǎng)景上的殘留圖像，并丟棄了在不同殘留圖像內(nèi)判斷為包含噪聲的區(qū)域，所提供的噪聲具有比薄特征更小的動(dòng)態(tài)范圍。
Gamier等人的美國(guó)專利申請(qǐng)US2008/0118128描述了一種產(chǎn)生模擬圖像的方法，該圖像具有設(shè)定大小的人工產(chǎn)生的噪聲，該噪聲加入到圖像中。Toth的美國(guó)專利申請(qǐng)US2008/0118128描述了一種產(chǎn)生終端圖像的方法，該圖像
具有預(yù)定量的人工產(chǎn)生的噪聲。下列出版物和專利涉及圖像處理噪聲降低、圖像釆集和/或計(jì)算機(jī)視覺US 2007/053477——錐形束CT成像與扇束CT成像的全局去噪方法與裝置；KR 2005-0031210——圖像去噪的方法與裝置；JP 2000-050109——用于去除噪聲的非線性圖像濾波器；US 6，459，755——用于低劑量給藥CT掃描的方法與裝置；US 2003/099405——帶有計(jì)算有效實(shí)施的CT劑量減薄濾波器；
·
EP I 774 837——活性劑量減薄裝置與方法；JP 2001-39874——用于MRI的磁場(chǎng)發(fā)生器；WO 2007/047599——用于高增益磁共振的方法與裝置；Steven Hakerj Lei Zhu，Allen Tannenbaumj and Sigurd Angenentj “OptimalMassTransport for Registration and Warping”，International Journal of ComputerVision,Volume 60，Issue 3 (December 2004), Pages 225 - 240 ；Yossi Rubnerj Carlo Tomasij and J. Leonidas Guibasj “A Metric forDistributionswith Applications to Image Databases，，，ICIP 1998，Pages 59 - 66 ；Belongie Serge, Jitendra Malik, and Puzicha Janj “Shape Matching andObjectRecognition Using Shape Contexts，，，IEEE T-PAMIj Volume 24，No.4，(April2002)；Robert Osada，Thomas Funkhouserj Bernard Chazel Iej and DavidDobkinj “Matching3D Models with Shape Distributions”，Proceedings of theInternational Conference onShape Modeling & Applications 2001，Pages 154 - 166 ；P. J. Burt and E. H. Adelson, “The Laplacian Pyramid as a Compact ImageCode，，，IEEE Trans, on Communications, pp. 532 - 540，April 1983 ；Iddo Drori，Daniel Cohen-Orj and Hezy Yeshurunj “Fragment basedimagecompletion，，，ACM Transactions on Graphics 22 (3), (Proc. of SIGGRAPH2003)，303 - 312 ；John Goutsias and Henk J. A. M. Heijmansj “Nonlinear MultiresolutionSignalDecomposition Schemes—Part1:Morphological Pyramids”，IEEE Trans, on ImageProcessing, Vol. 9，No. 11，November 2000 ；John Goutsias and Henk J. A. M. Heijmansj “Nonlinear MultiresolutionSignalDecomposition Schemes—Part II!Morphological Wavelets”，IEEE Trans, on ImageProcessing, Vol. 9，No. 11，November 2000 ；Jean Serraj “Image Analysis and Mathematical Morphology”， 1982 ;A. J. Britten, M. Crottyj H. Kiremidjianj A. Grundy, and E. J. Adam，“The additionofcomputer simulated noise to investigate radiation dose and image quality inimages withspatial correlation of statistical noise:an example application toX-ray CT of the brain”，The British Journal of Radiology，77(2004)，323 - 328 ;C. Tomasi and R. Manduchij “Bilateral filtering for gray and colorimages，，，inProceedings of the 6th International Conference in ComputerVision (ICCV)，1998，pp. 839 - 846 ；J. Weickertj “Coherence-Enhancing Diffusion Filtering，，，InternationalJournal ofComputer Vision,31 (2-3), pp.1ll - 127，1999 ；A. Buadesj B. Coll, and J.-M· Morel，“On image denoising methods，，，CentredeMathematiques et de Leurs Applications (CMLA) publication No. 2004-15，2004 ;P. Coupeet al，“Fast Non Local Means Denoising for 3D MRImages,，，9thInternational Conference on MICCAI 2006, R. Larsen, M. Nielsen, J.Sporring(eds.), Lecture Notes in Computer Science, Vol. 4191, pp. 33-40, Copenhagen,Denmark, Oct. 2006 ；M. Mahmoudi and G. Sapiroj “Fast Image and Video Denoising viaNonlocal MeansOf Similar Neighborhoods， ，，IEEE Signal Processing letters12,839-842(2005)；A. Heiderzadeh and A. N. Avanakij “An Enhanced Nonlocal-Means Algorithmforlmage Denoising,，’Proc.1EEE 9th International Symposium on Signal Processingand itsApplications(ISSPA，07)，pp. 1-4，Sharjah, UAEj2007 ；N. Azzabou et al, “Image Denoising Based on Adaptive DictionaryComputation, ，’Proceedings of IEEE International Conference on ImageProcessing, 2007。

發(fā)明內(nèi)容
本發(fā)明的一些具體實(shí)施方式
的一些方面涉及一種用于處理醫(yī)學(xué)圖像的方法與系統(tǒng)，以致當(dāng)噪聲和/或分辨率被降低時(shí)，產(chǎn)生帶有特定的期望特征的輸出圖像，包括一個(gè)或多個(gè)降低的噪聲、期望水平和空間分布的噪聲、期望的分辨率、和/或保持精細(xì)細(xì)節(jié)和結(jié)構(gòu)。根據(jù)本發(fā)明的教導(dǎo)，這里提供了一種用于從三維(3D)高分辨率醫(yī)學(xué)圖像產(chǎn)生3D低分辨率圖像的方法，所述3D高分辨率醫(yī)學(xué)圖像是多個(gè)2D圖像組成，這些2D圖像在軸向方向上具有軸向分辨率，所述多個(gè)2D圖像是沿著所述軸向方向而獲得的，所述方法包括以下步驟采用可逆帶通分解技術(shù)分解多個(gè)2D圖像中的每個(gè)圖像，以產(chǎn)生多個(gè)轉(zhuǎn)換的數(shù)據(jù)組，每個(gè)轉(zhuǎn)換的數(shù)據(jù)組對(duì)應(yīng)于所述多個(gè)2D圖像中的一個(gè)圖像；采用非均一權(quán)重向量對(duì)轉(zhuǎn)換的數(shù)據(jù)組內(nèi)的每一部分中的每個(gè)像素進(jìn)行加權(quán)，以產(chǎn)生多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組；以非線性方式將對(duì)于每個(gè)部分的所述多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組從每個(gè)部分合并成為單獨(dú)的新的轉(zhuǎn)換的數(shù)據(jù)組；以及采用可逆帶通分解技術(shù)的逆向技術(shù)從所述單獨(dú)的新的轉(zhuǎn)換的數(shù)據(jù)組的每個(gè)數(shù)據(jù)組中產(chǎn)生3D低分辨率圖像，該圖像在所述軸向方向上具有第一分辨率，所述第一分辨率是小于或等于所述軸向分辨率。在一個(gè)可選的具體實(shí)施方式
中，所述3D高分辨率醫(yī)學(xué)圖像是CT圖像。在另一個(gè)可選的具體實(shí)施方式
中，所述3D高分辨率醫(yī)學(xué)圖像是MRI圖像。
在另一個(gè)可選的具體實(shí)施方式
中，所述可逆帶通分解技術(shù)是拉普拉斯金字塔分解技術(shù)。在另一個(gè)可選具體實(shí)施方式
中，所述可逆帶通分解技術(shù)是小波變換分解技術(shù)。在另一個(gè)可選的具體實(shí)施方式
中，所述多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組的合并包括基于加權(quán)的像素的期望值，在所述部分的轉(zhuǎn)換的數(shù)據(jù)組內(nèi)從對(duì)應(yīng)的位置選擇像素。在另一個(gè)可選的具體實(shí)施方式
中，所述選擇是選擇具有最高的加權(quán)的絕對(duì)值的像素。在另一個(gè)可選的具體實(shí)施方式
中，如果所選擇的像素具有比特定極限更大的加權(quán)值，在所述部分的轉(zhuǎn)換的數(shù)據(jù)組內(nèi)留在對(duì)應(yīng)位置的所有像素的加權(quán)平均值是被用于代替所選擇的像素值。在另一個(gè)可選的具體實(shí)施方式
中，所述特定的極限是硬極限。在另一個(gè)可選的具體實(shí)施方式
中，所述特定的極限是軟極限。在另一個(gè)可選的具體實(shí)施方式
中，所述3D高分辨率醫(yī)學(xué)圖像在第二方向上的至少一個(gè)第二分辨率是等于所述3D低分辨率圖像在對(duì)應(yīng)方向上的對(duì)應(yīng)分辨率，且所述3D高分辨率醫(yī)學(xué)圖像的對(duì)比度是等于所述3D低分辨率醫(yī)學(xué)圖像的對(duì)應(yīng)的對(duì)比度。除非另作定義，這里所采用的所有技術(shù)術(shù)語和/或科學(xué)術(shù)語都具有本發(fā)明所涉及領(lǐng)域的技術(shù)人員所熟知的普通含義。與這里所描述的方法和材料的類似或等同的方法和材料都可被用于本發(fā)明的具體實(shí)施方式
的實(shí)施或測(cè)試，下面給出了示例性的方法和/或材料。在發(fā)生沖突時(shí)，本專利說明書(包括這些定義)都會(huì)控制沖突。另外，所有材料、方法和例子都僅是示例性的，而不試圖作為對(duì)本發(fā)明的限制。本發(fā)明的實(shí)施方式所述的方法和/或系統(tǒng)的執(zhí)行，可涉及手動(dòng)、自動(dòng)或兩者結(jié)合地執(zhí)行或完成所選擇的任務(wù)。而且，根據(jù)本發(fā)明所述的方法和/或系統(tǒng)的實(shí)際設(shè)備和裝置的實(shí)施例，可通過硬件、軟件或固件或它們的結(jié)合，采用操作系統(tǒng)來執(zhí)行幾種選擇的任務(wù)。例如，用于執(zhí)行根據(jù)本發(fā)明所述的實(shí)施例的選擇任務(wù)的硬件可以是以芯片或電路的方式實(shí)施。對(duì)于軟件，本發(fā)明所述的實(shí)施例的選擇任務(wù)可采用任意合適的操作系統(tǒng)通過計(jì)算機(jī)來執(zhí)行多個(gè)軟件指令來實(shí)施。在本發(fā)明的一個(gè)示例性實(shí)施例中，根據(jù)這里所描述的方法和/或系統(tǒng)的示例的一個(gè)或多個(gè)任務(wù)是通過數(shù)據(jù)處理器來執(zhí)行，例如，用于執(zhí)行多個(gè)指令的計(jì)算平臺(tái)。可選地，該數(shù)據(jù)處理器包括用于存儲(chǔ)指令和/或數(shù)據(jù)的易失性存儲(chǔ)器，和/或用于存儲(chǔ)指令和/或數(shù)據(jù)的非易失性存儲(chǔ)器，例如，磁性硬盤和/或可移動(dòng)介質(zhì)?？蛇x地，還提供了網(wǎng)絡(luò)連接。顯示器和/或用戶輸入設(shè)備例如鍵盤或鼠標(biāo)也可選地提供。附圖的簡(jiǎn)要說明本發(fā)明的一些具體實(shí)施方式
在這里僅通過實(shí)施例并結(jié)合所附的附圖來描述?，F(xiàn)在特別詳細(xì)參考有關(guān)附圖，需要強(qiáng)調(diào)的是，通過實(shí)施例的方式來顯示特別內(nèi)容，是用于說明本發(fā)明的實(shí)施例的示例性討論的目的。在這方面，本說明書采用附圖使本領(lǐng)域技術(shù)人員能清楚地了解本發(fā)明的實(shí)施方式。在這些附圖中

圖1A顯示了根據(jù)本發(fā)明的一個(gè)示例性實(shí)施方式所述的醫(yī)學(xué)圖像的去噪方法的流程圖。圖1B圖解地顯示了根據(jù)圖1A所示的方法用于獲取醫(yī)學(xué)圖像和對(duì)該圖像去噪的一種醫(yī)學(xué)成像系統(tǒng)。圖2顯示了范圍壓縮函數(shù)的圖，該函數(shù)可選地用于采用如圖1A所示的方法對(duì)醫(yī)學(xué)圖像預(yù)處理。圖3A圖解地顯示了一個(gè)沒有噪聲的二維圖像，而圖3B圖解地顯示了噪聲增加的同一圖像，該圖像帶有選擇的像素和鄰域，以顯示用于降低圖像噪聲的算法，該算法可被用于圖1A所示的方法。圖4A圖解地顯示了圖3B所示的圖像和選擇的像素和鄰域，與類似于根據(jù)用于在圖像中去噪的一個(gè)算法所選擇的其它像素在一起，這些像素可被用于圖1A所示的方法中。圖4B圖解地顯示了圖3B所示的圖像和選擇的像素和鄰域，與類似于根據(jù)用于在圖像中去噪的另一個(gè)算法所選擇的其它像素在一起，這些像素可被用于圖1A所示的方法中。圖5是用于在圖像中去噪的方法的一個(gè)流程圖，該流程圖可被用于圖1A所示的方法中。圖6A是采用相對(duì)低的X-射線劑量制作的噪聲CT圖像；圖6B顯示了圖6A所示的圖像在采用圖5所示方法降低噪聲后的圖像；以及圖6C是一個(gè)低噪聲CT圖像，類似于在圖6A中所示的圖像，但該圖像是采用相對(duì)高的X-射線劑量來制作的。圖7A是通過整數(shù)因子的下采樣切片的圖。圖7B是采用分?jǐn)?shù)權(quán)重的下采樣切片的圖。圖8A是一系列圖像，它們是從3D高分辨率醫(yī)學(xué)圖像的輸入切片圖像。圖SB是以線性下采樣方法產(chǎn)生的3D低分辨率圖像。圖SC是以非線性下采樣方法產(chǎn)生的3D低分辨率圖像。
具體實(shí)施方式
詳述本發(fā)明，在它的一些具體實(shí)施方式
中，涉及一種用于處理醫(yī)學(xué)圖像的方法與系統(tǒng)，以產(chǎn)生降低的噪聲以及其它期待特征的圖像，尤其是，但不排除，涉及一種處理CT圖像的方法，考慮到噪聲在圖像中的非均一分布和/或采用非線性濾波器來保持精細(xì)的圖像細(xì)節(jié)。本發(fā)明的具體實(shí)施方式
的一個(gè)特征是從三維(3D)高分辨率醫(yī)學(xué)圖像產(chǎn)生3D低分辨率圖像，該3D高分辨率醫(yī)學(xué)圖像包括一系列2D圖像，其中分辨率是在該系列的方向上降低的，且該分辨率在其他方向上被保持。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種對(duì)醫(yī)學(xué)圖像去噪的方法，其中，該去噪是在高空間分辨率下進(jìn)行的，例如，原始圖像是在該高空間分辨率下獲取的，例如，通過CT機(jī)獲得的圖像。然后，去噪圖像被向下轉(zhuǎn)換為較低分辨率，可選地采用非線性下采樣算法，該算法保持精細(xì)的細(xì)節(jié)，比線性下采樣算法更好。較低的分辨率是指，例如，放射科醫(yī)生通常檢查CT圖像的分辨率。在現(xiàn)有技術(shù)中，在通常的去噪程序中，去噪是在圖像已經(jīng)被轉(zhuǎn)換為低分辨率之后進(jìn)行的。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種復(fù)原結(jié)構(gòu)為去噪圖像的方法，其中，去噪算法在去除噪聲的同時(shí)已經(jīng)從該圖像中移除了一些結(jié)構(gòu)。殘留的圖像，在原始圖像與去噪圖像之間的差異，可選地被過濾以致去除噪聲和增強(qiáng)邊緣，被完全或部分地加回到已去噪的圖像中。在本發(fā)明的一個(gè)示例性實(shí)施例中，在圖像中的每個(gè)位置，用于殘留圖像的相對(duì)權(quán)重取決于在該殘留圖像中的結(jié)構(gòu)程度，或者在原始或去噪圖像中的該位置的結(jié)構(gòu)程度。例如，在一個(gè)低的結(jié)構(gòu)程度的位置，可給予殘留圖像小的權(quán)重或不給權(quán)重，可選地，該權(quán)重輕微或者根本不增加結(jié)構(gòu)的程度；而在另一個(gè)高的結(jié)構(gòu)程度的位置，可給予該殘留圖像相對(duì)大的權(quán)重，可選地，給予該殘留圖像最大權(quán)重?？蛇x地，用于殘留圖像的相對(duì)權(quán)重也取決于在原始圖像或殘留圖像中的每個(gè)位置的本地噪聲水平，例如，對(duì)具有較高噪聲水平的殘留圖像采用較低權(quán)重。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種產(chǎn)生帶有特定量值和分布的噪聲的去噪圖像的方法。例如，特定量值和分布的噪聲可以是由放射科醫(yī)生在檢查CT圖像時(shí)所期望的量值和分布的噪聲，以便使該圖像比完全去噪的圖像看起來更自然。該特定量值和分布的噪聲是通過加入噪聲到該圖像來獲得的，帶有空間包絡(luò)，這樣會(huì)獲得想要的量值和分布的噪聲?？蛇x地，該噪聲是通過采用空間變化加權(quán)參數(shù)對(duì)原始圖像與去噪圖像進(jìn)行平均而獲得的。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種使圖像去噪的方法，其中，去噪算法測(cè)量與在圖像中的位置成函數(shù)關(guān)系的噪聲水平。例如，噪聲水平是通過圍繞該體素的大窗口查看而在給出的體素處查明的。在該大窗口內(nèi)，僅考慮在一定范圍內(nèi)的體素的灰度值。該范圍可選地取決于正被成像的組織，例如，僅考慮對(duì)于該組織的在中間范圍內(nèi)的體素。對(duì)于這些體素中的每個(gè)體素，在小窗口內(nèi)查明變化的本地測(cè)量的灰度值，例如，標(biāo)準(zhǔn)偏差。測(cè)量變化的一組子集，變化的測(cè)量結(jié)果低于特定的分位數(shù)，對(duì)在子集的變化的測(cè)量值進(jìn)行平均，以便找到對(duì)于大窗口的本地噪聲水平。作為與在圖像中的位置成函數(shù)關(guān)系的噪聲水平，它是通過采用對(duì)于分布在該圖像中的多個(gè)體素的這個(gè)方法來查明的，并可選地內(nèi)插以覆蓋整個(gè)圖像。一旦該噪聲水平是已知的與在圖像中的位置成函數(shù)關(guān)系，可采用這里所描述的其他程序，來根據(jù)本地噪聲水平最優(yōu)化或改善程序本身的性能。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種使圖像去噪的方法，其中，與在圖像中的位置成函數(shù)關(guān)系的噪聲水平是被用于去噪算法中。例如，該去噪算法是一個(gè)“非本地平均”(NLM)類型的算法，其中，圍繞給出體素的補(bǔ)碼是與圍繞在該圖像的另一處的對(duì)照體素的補(bǔ)碼進(jìn)行比較，并對(duì)于這連個(gè)補(bǔ)碼進(jìn)行類似測(cè)量。基于在給出體素的本地噪聲水平、在對(duì)照體素的本地噪聲水平，或者它們兩者，計(jì)算由于噪聲導(dǎo)致的在類似測(cè)量中所期待的變化，并用于使該類似測(cè)量標(biāo)準(zhǔn)化。在現(xiàn)有技術(shù)的NLM算法中，取決于體素的位置的恒定噪聲水平已經(jīng)被用于使類似測(cè)量標(biāo)準(zhǔn)化。對(duì)于對(duì)照體素，基于標(biāo)準(zhǔn)化的類似測(cè)量，查明一個(gè)權(quán)重，也查明對(duì)照體素的灰度值的加權(quán)平均。然后，基于對(duì)照體素的灰度值的加權(quán)平均，改變?cè)摻o出體素的灰度值?？蛇x地，通過上述的程序查明與在圖像中位置成函數(shù)關(guān)系的噪聲水平。本發(fā)明的一些實(shí)施例的一個(gè)方面是涉及一種銳化圖像的方法，其中，變化的本地程度的灰度值，例如本地標(biāo)準(zhǔn)偏差的灰度值，是作為在圖像中位置的函數(shù)關(guān)系來查明的。然后，對(duì)該圖像應(yīng)用銳化濾波器，但銳化的程度是取決于變化的本地程度的灰度值。當(dāng)變化的本地程度的灰度值越大時(shí)，采用越小的銳化程度。所得到的圖像在銳化邊緣可具有相對(duì)少的或者沒有視覺假象，與線性銳化濾波器相比，后者對(duì)于給出的平均銳化程度會(huì)產(chǎn)生更多的視覺假象?？偟膩碚f，在圖像處理文獻(xiàn)中，術(shù)語“像素(pixel) ”是用于表示二維圖像的一個(gè)元素，而“體素(voxel)”是用于表示二維圖像的一個(gè)元素。因?yàn)檫@里所描述的方法總體上既可用于二維圖像，也可用于三位圖像，這里所采用的術(shù)語“像素”和“體素”不應(yīng)理解為將本 說明書限制為二維圖像或三維圖像的例子。除非另有特別說明，這里所采用的術(shù)語“像素” 和“體素”應(yīng)被理解為應(yīng)用于任意例子的通用術(shù)語，它們通?？山惶媸褂谩?br> 在醫(yī)學(xué)成像模式中，例如CT或MRI，它是定制的，當(dāng)顯示一個(gè)圖像時(shí)，繪制該圖像 密度，例如在一個(gè)CT圖像中以豪森菲爾德單位(HU)表示的密度，以表明亮度水平或從黑到 白的灰度值范圍，對(duì)于感興趣的特定的密度范圍。術(shù)語“灰度值”也可用于指圖像密度，用 于成像模式的圖像密度的范圍之外，該圖像密度是在圖像處理的中間步驟中產(chǎn)生的，例如 一個(gè)負(fù)數(shù)。此外，這里所使用的術(shù)語“灰度值”不僅是指黑白圖像的亮度，還是指彩色圖像 中任意色彩變量的程度，例如，在彩色圖像中的紅、綠或藍(lán)，或者彩色圖像的亮度或飽和度。 在諸如CT或MRI圖像的醫(yī)學(xué)圖像中，通常只顯示一種單一密度變量，例如HU密度、T1或T2 加權(quán)密度，它被繪制為灰度顯示的亮度水平，而在本例中，“灰度值”是特別傾向于采用，但 這里所述的方法并不限制于它們對(duì)醫(yī)學(xué)圖像或?qū)诎讏D像的適用性。
這里所描述的降低噪聲方法可被特別用于醫(yī)學(xué)圖像，因?yàn)獒t(yī)學(xué)圖像通常具有相對(duì) 高的噪聲水平，由于在噪聲水平和圖像采集參數(shù)(例如，X-射線劑量或MRI采集時(shí)間)之間 通常有折中，施加經(jīng)濟(jì)或安全懲罰以用于降低噪聲。而且，因?yàn)獒t(yī)學(xué)圖像總體上沒有在“光 照”差別，一個(gè)像素的鄰域的特征通常是它的真實(shí)灰度值的好的指示。這是特別真實(shí)的，因 為醫(yī)學(xué)圖像傾向于具有類似結(jié)構(gòu)，在該圖像的不同部分重復(fù)出現(xiàn)，有時(shí)帶有改變的尺度或 方向。
舉例來說，這里所描述的方法可被應(yīng)用在圖像采集設(shè)備或它的工作站(例如，CT 機(jī)、MRI機(jī)、超聲成像機(jī))上，應(yīng)用在圖像處理站和/或通過網(wǎng)絡(luò)連接到遠(yuǎn)程位置或遠(yuǎn)程服 務(wù)器。
在詳細(xì)解釋本發(fā)明的至少一個(gè)實(shí)施例之前，需要明確的是，本發(fā)明并不必然限制 其申請(qǐng)?jiān)谝韵抡f明中的詳細(xì)描述的內(nèi)容。本發(fā)明能采用多種不同方式實(shí)施或執(zhí)行的其他實(shí) 施例。
去噪方法的概述
現(xiàn)在參考附圖，圖1A顯示了一個(gè)流程圖1000，顯示了根據(jù)本發(fā)明的示例性實(shí)施例 所述的用于產(chǎn)生降低噪聲的圖像的程序。該程序是對(duì)于采用CT圖像而開發(fā)的，除了可用于 處理CT圖像外，也可被用于處理其他醫(yī)學(xué)圖像，或者其他類型的圖像。不同類型的醫(yī)學(xué)圖 像，以及非醫(yī)學(xué)圖像，具有不同的特征，這些特征可以使該程序的特定實(shí)施更適合于它們。 諸如CT和MRI圖像等的醫(yī)學(xué)圖像不依賴于普通非醫(yī)學(xué)圖像處理的“光照”方法，它們的噪 聲水平和噪聲的空間分布可以是一致的，并可從一個(gè)圖像預(yù)期到另一個(gè)圖像。
在步驟1002，通過一個(gè)醫(yī)學(xué)成像設(shè)備(例如CT機(jī))獲得高分辨率和有噪聲的3D 原始圖像I。在圖1B中原理地顯示了用于獲得這樣的圖像和對(duì)圖像去噪的系統(tǒng)500。采用 控制器506，例如計(jì)算機(jī)，或者與成像設(shè)備相關(guān)聯(lián)的指定電路，從由成像設(shè)備502從一個(gè)病 人504上獲得的原始數(shù)據(jù)來重構(gòu)該圖像。該控制器也可以執(zhí)行任意或者全部下面所述的去 噪程序。在本發(fā)明的一些實(shí)施例中，物理上分離的計(jì)算機(jī)或者電路可執(zhí)行不同部分的去噪 和/或圖像重構(gòu)程序，但它們?cè)谶@里都是全部用作控制器?？蛇x地，諸如顯示器等輸出設(shè)備 508被用于顯示去噪圖像，而諸如鍵盤或控制臺(tái)等輸入設(shè)備510被用于控制成像程序和/或 成像設(shè)備。
再參見圖1A，在步驟1004，原始圖像I被可選地采用非線性濾波器來過濾，導(dǎo)致獲得標(biāo)示為C的預(yù)處理圖像，以后將用于比較在去噪程序中的補(bǔ)碼。當(dāng)在常規(guī)CT圖像中最感興趣的密度范圍是相對(duì)小時(shí)，例如-50HU至+100HU豪森菲爾德單位(HU)，這里全范圍是- 1000HU至+4000HU，可在圖像I的非線性過濾之前進(jìn)行可選范圍的壓縮程序。根據(jù)預(yù)期的噪聲模式對(duì)圖像的“預(yù)變白”，定義在下面的標(biāo)題為“預(yù)處理的圖像”的章節(jié)A，也是可選地進(jìn)行的。
在CT圖像中，由于獲取機(jī)制和光束硬化，噪聲總體上在空間不是均勻分布的，通過一種方法使X-射線的非單色光束增加穿透身體的平均能量，因?yàn)楦岷偷腦-射線被優(yōu)先吸收了。可選地，該去噪程序采用根據(jù)在該CT圖像的每個(gè)點(diǎn)的本地噪聲特征的空間依賴參數(shù)，這些參數(shù)在步驟1006中被評(píng)估?？蛇x地，在預(yù)處理該圖像之前，或者在預(yù)處理該圖像的同時(shí)，評(píng)估本地噪聲特征。然而，先進(jìn)行預(yù)處理是有優(yōu)勢(shì)的，例如，如果本地噪聲特征是基于在預(yù)處理的圖像中的“變白噪聲”，而不是基于在原始圖像中的“有色噪聲”時(shí)。這些術(shù)語在下面標(biāo)題為“預(yù)處理的圖像”的章節(jié)A中進(jìn)行定義。
在步驟1008中，在圖像上進(jìn)行非本地平均(NLM)類型的去噪程序?？偟膩碚f，NLM 程序是通過找到類似于在給出的體素周圍的補(bǔ)碼來對(duì)在圖像中的給出體素進(jìn)行去噪的。該體素的去噪值是計(jì)算為這些補(bǔ)碼的中間體素的加權(quán)平均值，其中，加權(quán)的權(quán)重是與在這些補(bǔ)碼之間的一些類似度量成比例關(guān)系的。除了 NLM程序之外，也可采用本領(lǐng)域已知的其他去噪程序，取代NLM去噪程序或者作為NLM去噪程序的補(bǔ)充。
在基于NLM程序的特征中，類似度量是基于從這些補(bǔ)碼中抽取的多種特征，其中， 這些特征可基于圖像C和圖像I。該類似度量也可取決于在步驟1006中評(píng)估的參數(shù)。圖像 D是在執(zhí)行了基于NLM程序之后的去噪圖像。在步驟1008中采用的NLM程序可以是某個(gè)特征類型的NLM程序，例如基于下面標(biāo)題為“在NLM去噪算法中采用的示例性類型的特征”中描述的特征的NLM程序，以及相關(guān)的公開于PCT申請(qǐng)W02009/081410的內(nèi)容，或者在例如上面所引用的早期文獻(xiàn)中關(guān)于去噪圖像所描述的類型的NLM程序。
在步驟1010中，已經(jīng)在去噪程序中從圖像中移除的結(jié)構(gòu)被可選地復(fù)原到該圖像。 即使在去噪后，也可能從殘留圖像R=1-D中復(fù)原附加的特征，該圖像含有大多數(shù)已經(jīng)移除的噪聲，但也包含一些空間上可區(qū)別的結(jié)構(gòu)。相干增強(qiáng)擴(kuò)散(CED)或類似濾波器是可選地用于找到那些結(jié)構(gòu)，這些濾波器對(duì)殘留圖像進(jìn)行非線性平滑處理?？蛇x地，過濾的殘留圖像S不是直接加到圖像D，但可以乘以參數(shù)α，該參數(shù)可取決于圖像D的本地特征。圖像 D' =D+a S是在復(fù)原后的去噪圖像。
在步驟1012中，噪聲是可選地加入到圖像中。對(duì)于習(xí)慣于在CT圖像中特定水平的噪聲的放射科醫(yī)生來說，去噪圖像有時(shí)看起來不自然。在圖像D'與圖像I之間的平均對(duì)于放射科醫(yī)生看起來更自然。這樣一個(gè)圖像的例子是E=i3D' +(1- β)Ι，其中，β是精選的以致所得到的圖像E具有一些特定標(biāo)準(zhǔn)偏差的噪聲模式，而β可在該圖像上變化?？蛇x地，圖像D'也可被存儲(chǔ)，用于后面的可能的應(yīng)用，在該圖像中，附加的噪聲可以是不利的， 例如，如果放射科醫(yī)生想要在更高分辨率縮小一部分圖像時(shí)。
在步驟1014中，可選地降低了該圖像的分辨率。放射科醫(yī)生通常在比由CT掃描儀所獲得的原始圖像的分辨率更低的分辨率檢查常規(guī)的CT圖像 。分辨率的最終降低是可選地采用非線性降低程序來執(zhí)行的。該分辨率降低程序是被設(shè)計(jì)為保持比圖像的線性過濾和采樣更多的細(xì)節(jié)。
去噪方法的細(xì)節(jié)
下面提供了流程圖100的每個(gè)程序的更多細(xì)節(jié)。
圖像獲得
在日常實(shí)踐中，由放射科醫(yī)生檢查的CT圖像通常具有約2. 5mm的軸分辨率(切片厚度)。然而，大多數(shù)現(xiàn)代CT機(jī)的天然軸分辨率是約O. 6mm。因此，由CT機(jī)獲得的原始數(shù)據(jù)是比由臨床醫(yī)生所看到的數(shù)據(jù)具有更高的分辨率。通常不在日常實(shí)踐中利用該高分辨率數(shù)據(jù)，由于它包含高的噪聲水平，且它需要更長(zhǎng)的閱讀時(shí)間。在臨床常規(guī)中檢查的每個(gè)低分辨率切片包含從在原始圖像中一定數(shù)量的切片整合的數(shù)據(jù)。
這里所述的去噪程序和相關(guān)的圖像處理方法可選地采用高分辨率數(shù)據(jù)，這些數(shù)據(jù)通常是在CT機(jī)中獲得，并包含更多信息。在完成處理之后，可選地產(chǎn)生較低分辨率圖像，供放射科醫(yī)生檢查。
在本發(fā)明的示例性實(shí)施例中，在臨床軸分辨率與原始軸分辨率之間的差異是以以下兩種途徑之一或同時(shí)來充分利用第一，較豐富的數(shù)據(jù)組被用作輸入到圖像處理算法。由于高信息內(nèi)容，該算法是潛在地可產(chǎn)生更精確的結(jié)果。第二，可選地對(duì)處理的圖像以非線性方式進(jìn)行下采樣，以產(chǎn)生較低分辨率的圖像，潛在地保留在原始圖像中可用的精細(xì)的細(xì)節(jié)。
預(yù)處理的圖像
在預(yù)處理階段，預(yù)處理的圖像C是可選地從原始圖像I中計(jì)算的。該預(yù)處理的圖像是可選地用于在去噪程序中的補(bǔ)碼的比較。一個(gè)基礎(chǔ)的去噪算法可寫成下式
權(quán)利要求
1.一種用于從三維(3D)高分辨率醫(yī)學(xué)圖像產(chǎn)生3D低分辨率圖像的方法，其特征在于所述3D高分辨率醫(yī)學(xué)圖像是多個(gè)2D圖像組成，這些2D圖像在軸向方向上具有軸向分辨率，所述多個(gè)2D圖像是沿著所述軸向方向而獲得的，所述方法包括以下步驟 a.采用可逆帶通分解技術(shù)分解多個(gè)2D圖像中的每個(gè)圖像，以產(chǎn)生多個(gè)轉(zhuǎn)換的數(shù)據(jù)組，每個(gè)轉(zhuǎn)換的數(shù)據(jù)組對(duì)應(yīng)于所述多個(gè)2D圖像中的一個(gè)圖像； b.采用非均一權(quán)重向量對(duì)轉(zhuǎn)換的數(shù)據(jù)組內(nèi)的每一部分中的每個(gè)像素進(jìn)行加權(quán)，以產(chǎn)生多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組； c.以非線性方式將對(duì)于每個(gè)部分的所述多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組從每個(gè)部分合并成為單獨(dú)的新的轉(zhuǎn)換的數(shù)據(jù)組；以及 d.采用可逆帶通分解技術(shù)的逆向技術(shù)從所述單獨(dú)的新的轉(zhuǎn)換的數(shù)據(jù)組的每個(gè)數(shù)據(jù)組中產(chǎn)生3D低分辨率圖像，該圖像在所述軸向方向上具有第一分辨率，所述第一分辨率是小于或等于所述軸向分辨率。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述3D高分辨率醫(yī)學(xué)圖像是CT圖像。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于所述3D高分辨率醫(yī)學(xué)圖像是MRI圖像。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于所述可逆帶通分解技術(shù)是拉普拉斯金字塔分解技術(shù)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于所述可逆帶通分解技術(shù)是小波變換分解技術(shù)。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于所述多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組的合并包括基于加權(quán)的像素的期望值，在所述部分的轉(zhuǎn)換的數(shù)據(jù)組內(nèi)從對(duì)應(yīng)的位置選擇像素。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于所述選擇是選擇具有最高的加權(quán)的絕對(duì)值的像素。
8.根據(jù)權(quán)利要求6所述的方法，其特征在于如果所選擇的像素具有比特定極限更大的加權(quán)值，在所述部分的轉(zhuǎn)換的數(shù)據(jù)組內(nèi)留在對(duì)應(yīng)位置的所有像素的加權(quán)平均值是被用于代替所選擇的像素值。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于所述特定的極限是硬極限。
10.根據(jù)權(quán)利要求8所述的方法，其特征在于所述特定的極限是軟極限。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于所述3D高分辨率醫(yī)學(xué)圖像在第二方向上的至少一個(gè)第二分辨率是等于所述3D低分辨率圖像在對(duì)應(yīng)方向上的對(duì)應(yīng)分辨率，且所述3D高分辨率醫(yī)學(xué)圖像的對(duì)比度是等于所述3D低分辨率醫(yī)學(xué)圖像的對(duì)應(yīng)的對(duì)比度。
全文摘要
一種用于從三維(3D)高分辨率醫(yī)學(xué)圖像產(chǎn)生3D低分辨率圖像的方法。所述3D高分辨率醫(yī)學(xué)圖像是多個(gè)2D圖像組成，這些2D圖像在軸向方向上具有軸向分辨率，所述多個(gè)2D圖像是沿著所述軸向方向而獲得的，所述方法包括以下步驟分解多個(gè)2D圖像中的每個(gè)圖像，產(chǎn)生多個(gè)轉(zhuǎn)換的數(shù)據(jù)組，每個(gè)轉(zhuǎn)換的數(shù)據(jù)組對(duì)應(yīng)于所述多個(gè)2D圖像中的一個(gè)圖像；加權(quán)在轉(zhuǎn)換的數(shù)據(jù)組內(nèi)的每個(gè)像素，以產(chǎn)生多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組；合并多個(gè)加權(quán)的轉(zhuǎn)換的數(shù)據(jù)組成為單獨(dú)的新的轉(zhuǎn)換的數(shù)據(jù)組；以及產(chǎn)生3D低分辨率圖像，該圖像在所述3D低分辨率圖像的軸向方向上具有第一分辨率，所述第一分辨率是小于或等于所述軸向分辨率。
文檔編號(hào)G06K9/00GK103069432SQ201180032213
公開日2013年4月24日 申請(qǐng)日期2011年6月30日 優(yōu)先權(quán)日2010年6月30日
發(fā)明者埃澤爾·巴拉維夫, 伊利蘭·達(dá)昂, 茲維·德維爾, 塔爾·克尼希, 蓋伊·羅斯曼 申請(qǐng)人:梅迪奇視覺成像解決方案有限公司